DataBuff v0.1.5 发布 · 写入性能大幅提升
DataBuff 是一款面向云原生与微服务场景的开源 **AI Native OpenTelemetry APM**，采用 OTLP 标准接入、Apache Doris 统一存储，Web 端提供拓扑 / Trace / 指标与多 Agent 排障。项目已在 OSCHINA 软件库收录：[DataBuff 项目页面](https://www.oschina.net/p/databuff)
今天，DataBuff 正式发布 **v0.1.5**（2026-07-21）。相对 **v0.1.4** 共 **25 个提交、394 个文件变更**。本版我们针对同一套微服务 Demo，在相同业务写入压力（**QPS=35**）下，与 **SkyWalking OAP 10.4.0** 进行了一次写入压测：**同档负载下，两侧写入吞吐基本持平；DataBuff 主机 CPU 占用更低，SkyWalking 内存占用更低**。测试条件、逐分钟曲线与组件明细见对比报告：**[对比报告](https://databuff.ai/blog/zh/databuff-vs-skywalking-write-perf/)**
### 写入压测环境
- **业务 Demo**：17 个微服务 × 各 2 副本，Redis / MySQL / Kafka 等 **9** 个中间件，合计 **43** 个 Pod
- **写入压力**：业务侧 **QPS = 35**（两侧相同）
- **压测机**：**192.168.50.114**（8 vCPU / 15.5 GiB），流量从 **192.168.50.145** 打入
- **对比版本**：DataBuff **0.1.5** vs SkyWalking OAP **10.4.0** + BanyanDB **0.10.2**
- **采样**：预热约 60 分钟，取稳定 **40** 分钟均值
*图：同档 QPS=35 下，DataBuff 与 SkyWalking 主机 CPU / 内存 / 负载对比*
*图：DataBuff 0.1.5 逐分钟入库吞吐（稳定 40 分钟）*
本次压测关注 **写入路径与同机资源**，不含查询时延与 UI 体验；完整对比报告（含 SkyWalking 趋势与组件明细）：**[对比报告](https://databuff.ai/blog/zh/databuff-vs-skywalking-write-perf/)**
### 本版本亮点
**1. AI 对话 Mermaid**
v0.1.5 在对话渲染链路接入 Mermaid：运维专家可用拓扑图、时序关系图等结构化图形回答问题，而不只是长段落文字。
**2. 日志详情抽屉**
日志列表保持轻量；点击任意一行，右侧滑出详情抽屉，按需加载全字段。
**3. 接入与写入加固**
- **OTLP 压缩**：gRPC / HTTP 支持 gzip、snappy、zstd 等；Collector 默认 gzip 可直接对接，无需再强制 `compression: none`。
- **Span 资源忽略**：ingest 在 enrich / 落库前按精确名或正则丢弃健康检查、探活等噪声 Span。
- **Doris 按体积刷写**：线程本地缓冲 + 估算体积触发 Stream Load（默认约 50 MiB），降低高频 load 压力。
- **AI 运行时**：hydrate 不打断正在运行的专家会话；LLM 配置热读；工具调用格式对齐 OpenAI / Anthropic。
已有 Docker 部署可执行升级脚本，**保留 `data/` 目录**：
```bash
curl -fsSL https://databuff.ai/databuff/ai-apm-update.sh | bash
```
离线升级：解压目标版本离线包后，在离线包目录执行（保留 `data/`）：
```bash
tar -xzf databuff-ai-apm-offline-0.1.5-amd64.tar.gz
cd databuff-ai-apm-offline-0.1.5-amd64
sudo ./update.sh
```
同时提供 **0.1.5** 架构的 amd64 / arm64 离线安装包，适合内网无外网环境。
### 快速开始（新装）
```bash
# 安装平台
curl -fsSL https://databuff.ai/databuff/ai-apm-install.sh | bash
# 可选：样例服务
curl -fsSL https://databuff.ai/databuff/ai-apm-demo-install.sh | bash
```
浏览器访问 `http://<你的主机>:27403`，登录后配置 LLM API Key 即可使用 AI 运维能力与运维专家。
### 组件与镜像（v0.1.5）
| 组件 | 镜像 |
| -------------- | -------------------------------- |
| Web Platform | `databuffhub/ai-apm-web:0.1.5` |
| Ingest | `databuffhub/ai-apm-ingest:0.1.5`|
| Demo | `databuffhub/ai-apm-demo:0.1.5` |
架构简述：`应用 (OTLP / SkyWalking) → ai-apm-ingest → Doris → ai-apm-web (Platform + AI Agents + 运维专家)`
### 获取项目
- Release：[GitHub Release](https://github.com/databufflabs/databuff/releases/tag/0.1.5)
- 写入压测报告：[写入压测报告](https://databuff.ai/blog/zh/databuff-vs-skywalking-write-perf/)
- 源码：[GitHub 源码](https://github.com/databufflabs/databuff)
- 文档：[GitHub 文档](https://github.com/databufflabs/databuff/tree/master/docs)
- 官网：[DataBuff 官网](https://databuff.ai/)
- 在线演示：[Demo 演示](https://demo.databuff.ai/)
- OSCHINA 软件主页：[OSCHINA](https://www.oschina.net/p/databuff)
欢迎试用 v0.1.5，在 [GitHub 给我们一个 Star](https://github.com/databufflabs/databuff)，并在软件主页留言交流部署与压测复现体验。
---
原文链接：[点击查看](https://www.oschina.net/news/480213/databuff-0-1-5-released)
今天，DataBuff 正式发布 **v0.1.5**（2026-07-21）。相对 **v0.1.4** 共 **25 个提交、394 个文件变更**。本版我们针对同一套微服务 Demo，在相同业务写入压力（**QPS=35**）下，与 **SkyWalking OAP 10.4.0** 进行了一次写入压测：**同档负载下，两侧写入吞吐基本持平；DataBuff 主机 CPU 占用更低，SkyWalking 内存占用更低**。测试条件、逐分钟曲线与组件明细见对比报告：**[对比报告](https://databuff.ai/blog/zh/databuff-vs-skywalking-write-perf/)**
### 写入压测环境
- **业务 Demo**：17 个微服务 × 各 2 副本，Redis / MySQL / Kafka 等 **9** 个中间件，合计 **43** 个 Pod
- **写入压力**：业务侧 **QPS = 35**（两侧相同）
- **压测机**：**192.168.50.114**（8 vCPU / 15.5 GiB），流量从 **192.168.50.145** 打入
- **对比版本**：DataBuff **0.1.5** vs SkyWalking OAP **10.4.0** + BanyanDB **0.10.2**
- **采样**：预热约 60 分钟，取稳定 **40** 分钟均值
*图：同档 QPS=35 下，DataBuff 与 SkyWalking 主机 CPU / 内存 / 负载对比*
*图：DataBuff 0.1.5 逐分钟入库吞吐（稳定 40 分钟）*
本次压测关注 **写入路径与同机资源**，不含查询时延与 UI 体验；完整对比报告（含 SkyWalking 趋势与组件明细）：**[对比报告](https://databuff.ai/blog/zh/databuff-vs-skywalking-write-perf/)**
### 本版本亮点
**1. AI 对话 Mermaid**
v0.1.5 在对话渲染链路接入 Mermaid：运维专家可用拓扑图、时序关系图等结构化图形回答问题，而不只是长段落文字。
**2. 日志详情抽屉**
日志列表保持轻量；点击任意一行，右侧滑出详情抽屉，按需加载全字段。
**3. 接入与写入加固**
- **OTLP 压缩**：gRPC / HTTP 支持 gzip、snappy、zstd 等；Collector 默认 gzip 可直接对接，无需再强制 `compression: none`。
- **Span 资源忽略**：ingest 在 enrich / 落库前按精确名或正则丢弃健康检查、探活等噪声 Span。
- **Doris 按体积刷写**：线程本地缓冲 + 估算体积触发 Stream Load（默认约 50 MiB），降低高频 load 压力。
- **AI 运行时**：hydrate 不打断正在运行的专家会话；LLM 配置热读；工具调用格式对齐 OpenAI / Anthropic。
已有 Docker 部署可执行升级脚本，**保留 `data/` 目录**：
```bash
curl -fsSL https://databuff.ai/databuff/ai-apm-update.sh | bash
```
离线升级：解压目标版本离线包后，在离线包目录执行（保留 `data/`）：
```bash
tar -xzf databuff-ai-apm-offline-0.1.5-amd64.tar.gz
cd databuff-ai-apm-offline-0.1.5-amd64
sudo ./update.sh
```
同时提供 **0.1.5** 架构的 amd64 / arm64 离线安装包，适合内网无外网环境。
### 快速开始（新装）
```bash
# 安装平台
curl -fsSL https://databuff.ai/databuff/ai-apm-install.sh | bash
# 可选：样例服务
curl -fsSL https://databuff.ai/databuff/ai-apm-demo-install.sh | bash
```
浏览器访问 `http://<你的主机>:27403`，登录后配置 LLM API Key 即可使用 AI 运维能力与运维专家。
### 组件与镜像（v0.1.5）
| 组件 | 镜像 |
| -------------- | -------------------------------- |
| Web Platform | `databuffhub/ai-apm-web:0.1.5` |
| Ingest | `databuffhub/ai-apm-ingest:0.1.5`|
| Demo | `databuffhub/ai-apm-demo:0.1.5` |
架构简述：`应用 (OTLP / SkyWalking) → ai-apm-ingest → Doris → ai-apm-web (Platform + AI Agents + 运维专家)`
### 获取项目
- Release：[GitHub Release](https://github.com/databufflabs/databuff/releases/tag/0.1.5)
- 写入压测报告：[写入压测报告](https://databuff.ai/blog/zh/databuff-vs-skywalking-write-perf/)
- 源码：[GitHub 源码](https://github.com/databufflabs/databuff)
- 文档：[GitHub 文档](https://github.com/databufflabs/databuff/tree/master/docs)
- 官网：[DataBuff 官网](https://databuff.ai/)
- 在线演示：[Demo 演示](https://demo.databuff.ai/)
- OSCHINA 软件主页：[OSCHINA](https://www.oschina.net/p/databuff)
欢迎试用 v0.1.5，在 [GitHub 给我们一个 Star](https://github.com/databufflabs/databuff)，并在软件主页留言交流部署与压测复现体验。
---
原文链接：[点击查看](https://www.oschina.net/news/480213/databuff-0-1-5-released)
评论
暂无评论。